站
站点运营：搜索蜘蛛的URL发现，从URL里的中文与特殊字符编码说起
中文标题、中文文件名生成的 URL 往往带着一长串百分号编码，同一篇文章可能因此出现多个地址。本文梳理编码不一致常出问题的几个位置，给出统一 slug、处理空格与保留字符、旧链接 301 的实操思路，并附一份日志自查清单。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从单页应用的前端路由说起
单页应用的页面切换靠前端路由完成，用户觉得顺滑，但蜘蛛看到的可能只有一张 HTML。本文讨论 hash 与 history 模式的区别、首屏源码里该如何保留真实链接，以及服务端渲染、预渲染和站点地图兜底的取舍。
阅读全文 →站
站点运营：robots.txt 与 noindex 的分工，别把抓取和索引写反
很多站点把 robots.txt 和 noindex 当成同一件事，结果该消失的页面还在，该被抓的内容却抓不到。本文梳理两者的分工、常见的写反场景、移除 URL 的正确顺序，以及 robots.txt 的语法细节与验证方法，帮助你把抓取管理做在可控范围内。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从XML站点地图的分片与lastmod标注说起
XML站点地图常被当成一次性提交任务，其实它是长期的URL清单。本文聊分片的判断信号、lastmod的写法、哪些URL不该进地图，以及和维护流程的配合方式。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从评论区与用户生成内容的链接说起
评论、论坛、问答等用户生成内容往往带来大量站内链接，既可能帮蜘蛛发现新 URL，也可能制造重复、低质和参数陷阱。本文从审核、分页、动态加载、用户主页与链接属性几个方面，整理 UGC 场景下的 URL 发现与站点运营思路。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从目录层级与站点深度谈起
内容量上来后，常有页面迟迟没有抓取记录，问题往往出在 URL 的目录层级与站点深度上。本文梳理常见的层级问题、压浅深度的具体做法，以及如何用日志和爬虫工具自查，帮助蜘蛛更低成本地发现重要页面。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从URL大小写与末尾斜杠的规范化谈起
站内链接写法不一致时，同一个页面可能以大小写不同、尾斜杠有无不同的多种形态被爬虫记录。本文从尾斜杠规则、大小写来源、301 收敛、内链与 Sitemap 对齐几个角度，讲清如何减少重复 URL，让抓取更集中。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从图片懒加载与响应式图片说起
图片是很多站点容易忽略的URL入口。本文拆解原生懒加载与JS懒加载的区别、srcset与picture的取舍、背景图与延迟iframe带来的影响，并给出一份可执行的自查清单，帮助你在不牺牲加载性能的前提下，让页面里的地址更容易被发现。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从预览链接与定时发布的入口谈起
预览链接和定时发布都发生在内容正式登场之前，这个阶段的URL状态如果没管好，容易产生重复副本、空壳页和孤儿页。本文梳理预览页的noindex处理、发布前后的状态切换、入列动作以及如何用日志验证，帮助站点把URL发现这件事做在流程里。
阅读全文 →站
站点运营：搜索蜘蛛的URL发现，从内链锚文本与面包屑导航说起
搜索蜘蛛发现新URL，主要靠页面之间的链接。内链锚文本和面包屑这两块常被当成装饰，实际决定了爬虫能不能顺着路径走到深层页面。本文从链接入口、锚文本写法、面包屑层级表达和维护检查清单几个方面，梳理一套可执行的日常检查方法。
阅读全文 →